2020 無疑是特殊的一年，而 AI 在開年的這場”戰疫“中表現出了驚人的力量。站在“新十年”的起點上，CSDN【百萬人學AI】評選活動正式啓動。本屆評選活動在前兩屆的基礎上再度升級，設立了「AI優秀案例獎Top 30」、「AI新銳公司獎Top 10」、「AI開源貢獻獎Top 5」三大獎項。我們相信，榜樣的力量將成爲促進AI行業不斷髮展的重要基石，而CSDN將與這些榜樣一起，助力AI時代的”新基建“。
一、公司簡介
芯盾時代成立於2015年，是國際領先的業務安全產品和服務提供商，是率先提出“以人爲核心的業務安全”理念的公司。芯盾時代基於零信任安全理念，由信息安全、人工智能、大數據等多維技術驅動，依託堅實的企業服務能力，爲客戶提供場景化全生命週期業務安全防護方案，助力客戶打造安全、智能、可信的業務體系。
芯盾時代超200人的業務安全團隊，75%團隊成員是來自清華、中科院、北郵、北航、華爲、360、騰訊、綠盟等知名院校及企業，並是人工智能、機器學習、大數據分析處理、密碼學、移動安全、認證及訪問管理、數據建模、實時流式計算、身份認證等領域的專家。
芯盾時代已爲政府、金融、互聯網、運營商等行業近千家標杆客戶提供了覆蓋金融賬戶及交易安全、企業用戶安全管理、智能風控反欺詐、用戶和實體行爲分析等領域的方案，並幫助客戶獲得商業成功。目前，芯盾時代正在爲逾2億部終端提供業務安全防護，已累計保護5萬億元金融交易，挽回超40億元的經濟損失。
繼2018年作爲業務安全唯一廠商入選Gartner人工智能最佳實踐報告後，芯盾時代於2019年連續入選Gartner AI領域市場指南報告和競爭格局報告，並作爲五大代表企業進行重點解讀，在人工智能領域的能力得到高度認可，芯盾時代還憑藉客戶真實的高度評價入選2019 Gartner IAM客戶心聲報告，成爲亞太區唯一上榜企業。
業務依託安全，安全助推業務。芯盾時代將繼續堅持“以人爲核心、以業務安全爲基礎的業務智能”理念，爲構建安全、智能、可信的互聯未來而努力！
二、案例詳情
技術研發投入
整個產品解決方案投入不到5人，因都爲自主研發的成熟產品，需要的是和行方進行系統對接，如何實現在行方已有系統以及客戶量基礎上實現最好的系統對接方式以及達到最優的實現效果。
在實現效果方面主要考慮如何利用人工智能技術實現複雜模型的最優效果。
（1）欺詐團伙挖掘模型
基於行方提供的歷史業務數據。通過關聯圖譜算法和關聯分析構建關係網絡，識別出8個疑似欺詐團伙，涉及設備數100+，涉及賬號數1500+。
欺詐團伙特徵總結：
- 重複利用欺詐設備、虛假包裝資料、IP等有限資源；
- 欺詐特徵與正常統計行爲有顯著差異：如時間、頻次、位置、IP等維度上與正常用戶有明顯的差異；
- 複雜的關聯關係：欺詐團伙的設備、賬號、IP、身份資料等均是重複利用的，這些信息之間存在千絲萬縷的聯繫；
（2）信用卡套現模型
行方提供了包含四個行業的商戶收單真實交易數據（脫敏）。通過對用戶、商戶雙維度畫像和關聯分析，標記出套現樣本數據8000+條，最終經過行內專家人工審覈，正樣本準確率達98%。
- 商戶維度：統計不同時間範圍內的消費行爲記錄【並非所有商家都提供套現服務，而提供套現服務的商家爲獲利會面向所有的用戶而非針對某一用戶提供套現】
- 用戶維度：統計不同時間範圍內的消費者行爲記錄【並非所有用戶都會有套現行爲習慣，具有套現行爲的用戶一般會有多筆行爲記錄】
產品詳情
- 可視化人工智能中臺（VAI）：集數據讀取、數據預處理、特徵工程、模型訓練、模型評估、模型部署、模型運行和監控等全生命週期管理功能於一體，致力於爲客戶打造“一站式”的機器學習中臺，助力企業用AI賦能各項業務。
- 全渠道交易反欺詐（TOFD）：基於海量用戶行爲數據、實時交易數據及終端設備數據，結合大數據技術，利用獨有的規則引擎和機器學習引擎，構築一套完整的智能實時交易反欺詐系統。
- 信貸反欺詐（COFD）：基於大數據、人工智能等技術，將申請材料與不良信用記錄、風險事件、借款人多平臺借貸意向和借款行爲等風險加以整合，有效識別用戶欺詐，甄別申請人風險度。
- 互聯網營銷反欺詐（MOFD）：基於獨創的無感知認證、設備指紋、終端威脅態勢感知、欺詐關聯圖譜等核心技術，結合完善的風控模型，防止羊毛黨對平臺的攻擊，有效減少客戶營銷資金的損失。
芯盾時代基於人工智能推出了“業務+平臺+建模服務”爲核心的全渠道多場景反欺詐解決方案，可以覆蓋金融客戶在交易風控、信貸風控和精準營銷等諸多領域全生命週期的業務需求。
芯盾時代基於反欺詐領域多年積累的行業經驗和已驗證過的可落地機器學習建模能力，爲用戶提供全渠道多場景反欺詐服務。
對機器學習模型來說，芯盾時代通過VAI、TOFD、COFD、MOFD的數據連接和整合模塊，獲得了建模所需的高質量數據，並通過Notebook（類Jupyter）或Drag&Drop（拖拉拽）式的交互界面，進行特徵工程以及離線模型的搭建和訓練。除了集成主流的機器學習算法組件之外，也將豐富的行業建模經驗封裝了成熟的算子，保證了建模經驗的重用。當模型的效果達到上線標準時，可以通過在線服務部署模塊進行模型服務的一鍵化部署和運行監控，業務系統可以通過微服務的方式對模型服務接口進行調用。
三、典型應用場景
芯盾時代基於海量的設備安全數據、用戶行爲數據，利用流式分析處理、數據挖掘和機器學習等關鍵技術，輔以豐富的行業經驗，構建了獨有的智能實時身份反欺詐解決方案。方案覆蓋了銀行實時交易的事前、事中、事後環節，通過機器學習模型根據不同業務場景的風險特徵，對用戶行爲和終端信息進行風險綜合評估，並根據風評結果等級給出差異化處置策略建議，有效識別營銷活動欺詐、薅羊毛、洗錢、信用卡套現等高危欺詐事件，保護行方資產安全和用戶的資金安全。同時，還提供了可視化機器學習建模平臺，對洗錢、信用卡套現、營銷活動作弊等風險高發業務場景進行持續優化和深度防控，有效降低反欺詐模型的衰減週期，提升系統自動化水平，在加強防控的同時，降低銀行人員投入，節省了大量人力成本。
在芯盾時代建設的反欺詐系統持續運行過程中，也曾出現樣本不均衡和標註數據極少的問題，影響人工智能模型的防控效果。對此，芯盾時代率先提出了由無監督算法冷啓動->半監督算法過渡->有監督算法訓練模型的解決辦法，迅速消除不利影響，完成了對多個業務渠道中交易流水數據，登錄數據，註冊開戶數據進的行清洗和打標。同時，通過人工智能中臺爲行內其他系統提供數據支撐，提升了對黑產甄別的準確性，對羊毛黨工作室的設備、賬號、IP等信息，以黑名單的方式進行處置，最終使得業務部門順利開展了各項拉新、促活、留存活動。